ReP USP - Resultado da busca

Tese (Doutorado)
Mudança de conceito em mineração de processos baseado em comparações de matrizes de transição (2025)
Meira Neto, Antonio Carlos ; Fantinato, Marcelo (Orientador) ; Peres, Sarajane Marques (coorient)
Unidade: EACH
Subjects: NEGÓCIOS, MINERAÇÃO DE DADOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MEIRA NETO, Antonio Carlos. Mudança de conceito em mineração de processos baseado em comparações de matrizes de transição. 2025. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2025. Disponível em: https://teses.usp.br/teses/disponiveis/100/100131/tde-17012026-164920/. Acesso em: 20 abr. 2026.
APA
Meira Neto, A. C. (2025). Mudança de conceito em mineração de processos baseado em comparações de matrizes de transição (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/100/100131/tde-17012026-164920/
NLM
Meira Neto AC. Mudança de conceito em mineração de processos baseado em comparações de matrizes de transição [Internet]. 2025 ;[citado 2026 abr. 20 ] Available from: https://teses.usp.br/teses/disponiveis/100/100131/tde-17012026-164920/
Vancouver
Meira Neto AC. Mudança de conceito em mineração de processos baseado em comparações de matrizes de transição [Internet]. 2025 ;[citado 2026 abr. 20 ] Available from: https://teses.usp.br/teses/disponiveis/100/100131/tde-17012026-164920/
Artigo de periodico
ARM-stream: active recovery of miscategorizations in clustering-based data stream classifiers (2025)
Cavalcanti, Douglas Monteiro; Cerri, Ricardo ; Faria, Elaine Ribeiro
Source: Data Mining and Knowledge Discovery. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, ANÁLISE DE SÉRIES TEMPORAIS, FRAMEWORKS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CAVALCANTI, Douglas Monteiro e CERRI, Ricardo e FARIA, Elaine Ribeiro. ARM-stream: active recovery of miscategorizations in clustering-based data stream classifiers. Data Mining and Knowledge Discovery, v. 39, n. 5, p. 1-35, 2025Tradução . . Disponível em: https://doi.org/10.1007/s10618-025-01124-4. Acesso em: 20 abr. 2026.
APA
Cavalcanti, D. M., Cerri, R., & Faria, E. R. (2025). ARM-stream: active recovery of miscategorizations in clustering-based data stream classifiers. Data Mining and Knowledge Discovery, 39( 5), 1-35. doi:10.1007/s10618-025-01124-4
NLM
Cavalcanti DM, Cerri R, Faria ER. ARM-stream: active recovery of miscategorizations in clustering-based data stream classifiers [Internet]. Data Mining and Knowledge Discovery. 2025 ; 39( 5): 1-35.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1007/s10618-025-01124-4
Vancouver
Cavalcanti DM, Cerri R, Faria ER. ARM-stream: active recovery of miscategorizations in clustering-based data stream classifiers [Internet]. Data Mining and Knowledge Discovery. 2025 ; 39( 5): 1-35.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1007/s10618-025-01124-4
Artigo de periodico
Concept drift adaptation in video surveillance: a systematic review (2024)
Goncalves, Vinicius P. M.; Silva, Lourival P.; Marques, Fátima de Lourdes dos Santos Nunes ; Ferreira, João Eduardo ; Araújo, Luciano Vieira de
Source: Multimedia Tools and Applications. Unidades: STI, IME, EACH
Subjects: SEGURANÇA PÚBLICA, GRAVAÇÃO DE VÍDEO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GONCALVES, Vinicius P. M. et al. Concept drift adaptation in video surveillance: a systematic review. Multimedia Tools and Applications, v. 83, n. 4, p. 9997-10037, 2024Tradução . . Disponível em: https://doi.org/10.1007/s11042-023-15855-3. Acesso em: 20 abr. 2026.
APA
Goncalves, V. P. M., Silva, L. P., Marques, F. de L. dos S. N., Ferreira, J. E., & Araújo, L. V. de. (2024). Concept drift adaptation in video surveillance: a systematic review. Multimedia Tools and Applications, 83( 4), 9997-10037. doi:10.1007/s11042-023-15855-3
NLM
Goncalves VPM, Silva LP, Marques F de L dos SN, Ferreira JE, Araújo LV de. Concept drift adaptation in video surveillance: a systematic review [Internet]. Multimedia Tools and Applications. 2024 ; 83( 4): 9997-10037.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1007/s11042-023-15855-3
Vancouver
Goncalves VPM, Silva LP, Marques F de L dos SN, Ferreira JE, Araújo LV de. Concept drift adaptation in video surveillance: a systematic review [Internet]. Multimedia Tools and Applications. 2024 ; 83( 4): 9997-10037.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1007/s11042-023-15855-3
Tese (Doutorado)
Hierarchical classification on batch and streaming data with applications to entomology (2022)
Parmezan, Antonio Rafael Sabino; Batista, Gustavo Enrique de Almeida Prado Alves (Orientador)
Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, HETEROGENEIDADE, MINERAÇÃO DE DADOS, CONTROLE DE INSETOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
PARMEZAN, Antonio Rafael Sabino. Hierarchical classification on batch and streaming data with applications to entomology. 2022. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2022. Disponível em: https://teses.usp.br/teses/disponiveis/55/55134/tde-03102022-171351/. Acesso em: 20 abr. 2026.
APA
Parmezan, A. R. S. (2022). Hierarchical classification on batch and streaming data with applications to entomology (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/55/55134/tde-03102022-171351/
NLM
Parmezan ARS. Hierarchical classification on batch and streaming data with applications to entomology [Internet]. 2022 ;[citado 2026 abr. 20 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-03102022-171351/
Vancouver
Parmezan ARS. Hierarchical classification on batch and streaming data with applications to entomology [Internet]. 2022 ;[citado 2026 abr. 20 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-03102022-171351/
Dissertação (Mestrado)
Covariate shift adaptation and dataset shift decomposition in machine learning (2021)
Polo, Felipe Maia ; Vicente, Renato (Orientador)
Unidade: IME
Assunto: APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
POLO, Felipe Maia. Covariate shift adaptation and dataset shift decomposition in machine learning. 2021. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2021. Disponível em: https://teses.usp.br/teses/disponiveis/45/45133/tde-03022022-234955/. Acesso em: 20 abr. 2026.
APA
Polo, F. M. (2021). Covariate shift adaptation and dataset shift decomposition in machine learning (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/45/45133/tde-03022022-234955/
NLM
Polo FM. Covariate shift adaptation and dataset shift decomposition in machine learning [Internet]. 2021 ;[citado 2026 abr. 20 ] Available from: https://teses.usp.br/teses/disponiveis/45/45133/tde-03022022-234955/
Vancouver
Polo FM. Covariate shift adaptation and dataset shift decomposition in machine learning [Internet]. 2021 ;[citado 2026 abr. 20 ] Available from: https://teses.usp.br/teses/disponiveis/45/45133/tde-03022022-234955/
Dissertação (Mestrado)
Trace clustering approach for detection and locatization of concept drift in business processes (2021)
Sousa, Rafael Gaspar de; Peres, Sarajane Marques (Orientador) ; Reijers, Hajo Alexander (Orientador)
Unidade: EACH
Subjects: MINERAÇÃO DE DADOS, NEGÓCIOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SOUSA, Rafael Gaspar de. Trace clustering approach for detection and locatization of concept drift in business processes. 2021. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2021. Disponível em: https://teses.usp.br/teses/disponiveis/100/100131/tde-02122021-144602/. Acesso em: 20 abr. 2026.
APA
Sousa, R. G. de. (2021). Trace clustering approach for detection and locatization of concept drift in business processes (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/100/100131/tde-02122021-144602/
NLM
Sousa RG de. Trace clustering approach for detection and locatization of concept drift in business processes [Internet]. 2021 ;[citado 2026 abr. 20 ] Available from: https://teses.usp.br/teses/disponiveis/100/100131/tde-02122021-144602/
Vancouver
Sousa RG de. Trace clustering approach for detection and locatization of concept drift in business processes [Internet]. 2021 ;[citado 2026 abr. 20 ] Available from: https://teses.usp.br/teses/disponiveis/100/100131/tde-02122021-144602/
Artigo de periodico
Efficient unsupervised drift detector for fast and high-dimensional data streams (2021)
Souza, Vinícius Mourão Alves de ; Parmezan, Antonio Rafael Sabino ; Chowdhury, Farhan A.; Mueen, Abdullah
Source: Knowledge and Information Systems. Unidade: ICMC
Subjects: MINERAÇÃO DE DADOS, APRENDIZADO COMPUTACIONAL, ANÁLISE DE SÉRIES TEMPORAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SOUZA, Vinícius Mourão Alves de et al. Efficient unsupervised drift detector for fast and high-dimensional data streams. Knowledge and Information Systems, v. 63, n. 6, p. 1497-1527, 2021Tradução . . Disponível em: https://doi.org/10.1007/s10115-021-01564-6. Acesso em: 20 abr. 2026.
APA
Souza, V. M. A. de, Parmezan, A. R. S., Chowdhury, F. A., & Mueen, A. (2021). Efficient unsupervised drift detector for fast and high-dimensional data streams. Knowledge and Information Systems, 63( 6), 1497-1527. doi:10.1007/s10115-021-01564-6
NLM
Souza VMA de, Parmezan ARS, Chowdhury FA, Mueen A. Efficient unsupervised drift detector for fast and high-dimensional data streams [Internet]. Knowledge and Information Systems. 2021 ; 63( 6): 1497-1527.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1007/s10115-021-01564-6
Vancouver
Souza VMA de, Parmezan ARS, Chowdhury FA, Mueen A. Efficient unsupervised drift detector for fast and high-dimensional data streams [Internet]. Knowledge and Information Systems. 2021 ; 63( 6): 1497-1527.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1007/s10115-021-01564-6
Tese (Doutorado)
Non-stationary and unpredictable data distributions in classification and quantification (2020)
Reis, Denis Moreira dos; Batista, Gustavo Enrique de Almeida Prado Alves (Orientador); Sousa, Elaine Parros Machado de (Orientador)
Unidade: ICMC
Subjects: ANÁLISE DE DADOS, APRENDIZADO COMPUTACIONAL, PROCESSAMENTO DE DADOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
REIS, Denis Moreira dos. Non-stationary and unpredictable data distributions in classification and quantification. 2020. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-27072020-174834/. Acesso em: 20 abr. 2026.
APA
Reis, D. M. dos. (2020). Non-stationary and unpredictable data distributions in classification and quantification (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-27072020-174834/
NLM
Reis DM dos. Non-stationary and unpredictable data distributions in classification and quantification [Internet]. 2020 ;[citado 2026 abr. 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-27072020-174834/
Vancouver
Reis DM dos. Non-stationary and unpredictable data distributions in classification and quantification [Internet]. 2020 ;[citado 2026 abr. 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-27072020-174834/
Artigo de periodico
Challenges in benchmarking stream learning algorithms with real-world data (2020)
Souza, Vinícius Mourão Alves de ; Reis, Denis Moreira dos ; Maletzke, André Gustavo ; Batista, Gustavo Enrique de Almeida Prado Alves
Source: Data Mining and Knowledge Discovery. Unidade: ICMC
Subjects: ANÁLISE DE SÉRIES TEMPORAIS, MINERAÇÃO DE DADOS, ALGORITMOS ÚTEIS E ESPECÍFICOS, BENCHMARKS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SOUZA, Vinícius Mourão Alves de et al. Challenges in benchmarking stream learning algorithms with real-world data. Data Mining and Knowledge Discovery, v. No 2020, n. 6, p. 1805-1858, 2020Tradução . . Disponível em: https://doi.org/10.1007/s10618-020-00698-5. Acesso em: 20 abr. 2026.
APA
Souza, V. M. A. de, Reis, D. M. dos, Maletzke, A. G., & Batista, G. E. de A. P. A. (2020). Challenges in benchmarking stream learning algorithms with real-world data. Data Mining and Knowledge Discovery, No 2020( 6), 1805-1858. doi:10.1007/s10618-020-00698-5
NLM
Souza VMA de, Reis DM dos, Maletzke AG, Batista GE de APA. Challenges in benchmarking stream learning algorithms with real-world data [Internet]. Data Mining and Knowledge Discovery. 2020 ; No 2020( 6): 1805-1858.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1007/s10618-020-00698-5
Vancouver
Souza VMA de, Reis DM dos, Maletzke AG, Batista GE de APA. Challenges in benchmarking stream learning algorithms with real-world data [Internet]. Data Mining and Knowledge Discovery. 2020 ; No 2020( 6): 1805-1858.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1007/s10618-020-00698-5
Tese (Doutorado)
Binary quantification in non-stationary scenarios (2019)
Maletzke, André Gustavo; Batista, Gustavo Enrique de Almeida Prado Alves (Orientador)
Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, POPULAÇÃO, MOSQUITOS, MINERAÇÃO DE DADOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MALETZKE, André Gustavo. Binary quantification in non-stationary scenarios. 2019. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2019. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-19032020-091709/. Acesso em: 20 abr. 2026.
APA
Maletzke, A. G. (2019). Binary quantification in non-stationary scenarios (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-19032020-091709/
NLM
Maletzke AG. Binary quantification in non-stationary scenarios [Internet]. 2019 ;[citado 2026 abr. 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-19032020-091709/
Vancouver
Maletzke AG. Binary quantification in non-stationary scenarios [Internet]. 2019 ;[citado 2026 abr. 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-19032020-091709/
Trabalho de evento-anais periodico
Online clustering for novelty detection and concept drift in data streams (2019)
Garcia, Kemilly Dearo; Poel, Mannes ; Kok, Joost N ; Carvalho, André Carlos Ponce de Leon Ferreira de
Source: Lecture Notes in Artificial Intelligence. Conference titles: EPIA Conference on Artificial Intelligence - EPIA. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, ANÁLISE DE SÉRIES TEMPORAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GARCIA, Kemilly Dearo et al. Online clustering for novelty detection and concept drift in data streams. Lecture Notes in Artificial Intelligence. Cham: Springer. Disponível em: https://doi.org/10.1007/978-3-030-30244-3_37. Acesso em: 20 abr. 2026. , 2019
APA
Garcia, K. D., Poel, M., Kok, J. N., & Carvalho, A. C. P. de L. F. de. (2019). Online clustering for novelty detection and concept drift in data streams. Lecture Notes in Artificial Intelligence. Cham: Springer. doi:10.1007/978-3-030-30244-3_37
NLM
Garcia KD, Poel M, Kok JN, Carvalho ACP de LF de. Online clustering for novelty detection and concept drift in data streams [Internet]. Lecture Notes in Artificial Intelligence. 2019 ; 11805 448-459.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1007/978-3-030-30244-3_37
Vancouver
Garcia KD, Poel M, Kok JN, Carvalho ACP de LF de. Online clustering for novelty detection and concept drift in data streams [Internet]. Lecture Notes in Artificial Intelligence. 2019 ; 11805 448-459.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1007/978-3-030-30244-3_37
Artigo de periodico
On learning guarantees to unsupervised concept drift detection on data streams (2019)
Mello, Rodrigo Fernandes de; Vaz, Yule; Grossi, Carlos Henrique ; Bifet, Albert
Source: Expert Systems with Applications. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, ANÁLISE DE SÉRIES TEMPORAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MELLO, Rodrigo Fernandes de et al. On learning guarantees to unsupervised concept drift detection on data streams. Expert Systems with Applications, v. 117, p. 90-102, 2019Tradução . . Disponível em: https://doi.org/10.1016/j.eswa.2018.08.054. Acesso em: 20 abr. 2026.
APA
Mello, R. F. de, Vaz, Y., Grossi, C. H., & Bifet, A. (2019). On learning guarantees to unsupervised concept drift detection on data streams. Expert Systems with Applications, 117, 90-102. doi:10.1016/j.eswa.2018.08.054
NLM
Mello RF de, Vaz Y, Grossi CH, Bifet A. On learning guarantees to unsupervised concept drift detection on data streams [Internet]. Expert Systems with Applications. 2019 ; 117 90-102.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1016/j.eswa.2018.08.054
Vancouver
Mello RF de, Vaz Y, Grossi CH, Bifet A. On learning guarantees to unsupervised concept drift detection on data streams [Internet]. Expert Systems with Applications. 2019 ; 117 90-102.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1016/j.eswa.2018.08.054
Artigo de periodico
Combining instance selection and self-training to improve data stream quantification (2018)
Maletzke, André Gustavo; Reis, Denis Moreira dos; Batista, Gustavo Enrique de Almeida Prado Alves
Source: Journal of the Brazilian Computer Society. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, ANÁLISE DE SÉRIES TEMPORAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MALETZKE, André Gustavo e REIS, Denis Moreira dos e BATISTA, Gustavo Enrique de Almeida Prado Alves. Combining instance selection and self-training to improve data stream quantification. Journal of the Brazilian Computer Society, v. 24, p. 1-17, 2018Tradução . . Disponível em: https://doi.org/10.1186/s13173-018-0076-0. Acesso em: 20 abr. 2026.
APA
Maletzke, A. G., Reis, D. M. dos, & Batista, G. E. de A. P. A. (2018). Combining instance selection and self-training to improve data stream quantification. Journal of the Brazilian Computer Society, 24, 1-17. doi:10.1186/s13173-018-0076-0
NLM
Maletzke AG, Reis DM dos, Batista GE de APA. Combining instance selection and self-training to improve data stream quantification [Internet]. Journal of the Brazilian Computer Society. 2018 ; 24 1-17.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1186/s13173-018-0076-0
Vancouver
Maletzke AG, Reis DM dos, Batista GE de APA. Combining instance selection and self-training to improve data stream quantification [Internet]. Journal of the Brazilian Computer Society. 2018 ; 24 1-17.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1186/s13173-018-0076-0
Artigo de periodico
An evolutionary algorithm for clustering data streams with a variable number of clusters (2017)
Silva, Jonathan de Andrade; Hruschka, Eduardo Raul ; Gama, João
Source: Expert Systems with Applications. Unidade: ICMC
Subjects: INTELIGÊNCIA ARTIFICIAL, ALGORITMOS GENÉTICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA, Jonathan de Andrade e HRUSCHKA, Eduardo Raul e GAMA, João. An evolutionary algorithm for clustering data streams with a variable number of clusters. Expert Systems with Applications, v. 67, n. Ja 2017, p. 228-238, 2017Tradução . . Disponível em: https://doi.org/10.1016/j.eswa.2016.09.020. Acesso em: 20 abr. 2026.
APA
Silva, J. de A., Hruschka, E. R., & Gama, J. (2017). An evolutionary algorithm for clustering data streams with a variable number of clusters. Expert Systems with Applications, 67( Ja 2017), 228-238. doi:10.1016/j.eswa.2016.09.020
NLM
Silva J de A, Hruschka ER, Gama J. An evolutionary algorithm for clustering data streams with a variable number of clusters [Internet]. Expert Systems with Applications. 2017 ; 67( Ja 2017): 228-238.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1016/j.eswa.2016.09.020
Vancouver
Silva J de A, Hruschka ER, Gama J. An evolutionary algorithm for clustering data streams with a variable number of clusters [Internet]. Expert Systems with Applications. 2017 ; 67( Ja 2017): 228-238.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1016/j.eswa.2016.09.020
Artigo de periodico
Multidimensional surrogate stability to detect data stream concept drift (2017)
Costa, Fausto G. da; Duarte, Felipe S. L. G; Vallim, Rosane M. M; Mello, Rodrigo Fernandes de
Source: Expert Systems with Applications. Unidade: ICMC
Subjects: PROGRAMAÇÃO CONCORRENTE, SISTEMAS DISTRIBUÍDOS, ANÁLISE DE SÉRIES TEMPORAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COSTA, Fausto G. da et al. Multidimensional surrogate stability to detect data stream concept drift. Expert Systems with Applications, v. No 2017, p. 15-29, 2017Tradução . . Disponível em: https://doi.org/10.1016/j.eswa.2017.06.005. Acesso em: 20 abr. 2026.
APA
Costa, F. G. da, Duarte, F. S. L. G., Vallim, R. M. M., & Mello, R. F. de. (2017). Multidimensional surrogate stability to detect data stream concept drift. Expert Systems with Applications, No 2017, 15-29. doi:10.1016/j.eswa.2017.06.005
NLM
Costa FG da, Duarte FSLG, Vallim RMM, Mello RF de. Multidimensional surrogate stability to detect data stream concept drift [Internet]. Expert Systems with Applications. 2017 ; No 2017 15-29.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1016/j.eswa.2017.06.005
Vancouver
Costa FG da, Duarte FSLG, Vallim RMM, Mello RF de. Multidimensional surrogate stability to detect data stream concept drift [Internet]. Expert Systems with Applications. 2017 ; No 2017 15-29.[citado 2026 abr. 20 ] Available from: https://doi.org/10.1016/j.eswa.2017.06.005
Tese (Doutorado)
Employing nonlinear time series analysis tools with stable clustering algorithms for detecting concept drift on data streams (2017)
Costa, Fausto Guzzo da; Mello, Rodrigo Fernandes de (Orientador)
Unidade: ICMC
Subjects: ANÁLISE DE SÉRIES TEMPORAIS, APRENDIZADO COMPUTACIONAL, SISTEMAS DINÂMICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COSTA, Fausto Guzzo da. Employing nonlinear time series analysis tools with stable clustering algorithms for detecting concept drift on data streams. 2017. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2017. Disponível em: https://teses.usp.br/teses/disponiveis/55/55134/tde-13112017-105506/. Acesso em: 20 abr. 2026.
APA
Costa, F. G. da. (2017). Employing nonlinear time series analysis tools with stable clustering algorithms for detecting concept drift on data streams (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/55/55134/tde-13112017-105506/
NLM
Costa FG da. Employing nonlinear time series analysis tools with stable clustering algorithms for detecting concept drift on data streams [Internet]. 2017 ;[citado 2026 abr. 20 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-13112017-105506/
Vancouver
Costa FG da. Employing nonlinear time series analysis tools with stable clustering algorithms for detecting concept drift on data streams [Internet]. 2017 ;[citado 2026 abr. 20 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-13112017-105506/
Dissertação (Mestrado)
Classificação de fluxos de dados com mudança de conceito e latência de verificação (2016)
Reis, Denis Moreira dos; Batista, Gustavo Enrique de Almeida Prado Alves (Orientador)
Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, MINERAÇÃO DE DADOS, ANÁLISE DE DADOS, INFERÊNCIA PARAMÉTRICA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
REIS, Denis Moreira dos. Classificação de fluxos de dados com mudança de conceito e latência de verificação. 2016. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2016. Disponível em: https://teses.usp.br/teses/disponiveis/55/55134/tde-13012017-095800/. Acesso em: 20 abr. 2026.
APA
Reis, D. M. dos. (2016). Classificação de fluxos de dados com mudança de conceito e latência de verificação (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/55/55134/tde-13012017-095800/
NLM
Reis DM dos. Classificação de fluxos de dados com mudança de conceito e latência de verificação [Internet]. 2016 ;[citado 2026 abr. 20 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-13012017-095800/
Vancouver
Reis DM dos. Classificação de fluxos de dados com mudança de conceito e latência de verificação [Internet]. 2016 ;[citado 2026 abr. 20 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-13012017-095800/
Dissertação (Mestrado)
Classificação de fluxos de dados não estacionários com algoritmos incrementais baseados no modelo de misturas gaussianas (2015)
Oliveira, Luan Soares; Batista, Gustavo Enrique de Almeida Prado Alves (Orientador)
Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, MINERAÇÃO DE DADOS, ANÁLISE DE SÉRIES TEMPORAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
OLIVEIRA, Luan Soares. Classificação de fluxos de dados não estacionários com algoritmos incrementais baseados no modelo de misturas gaussianas. 2015. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2015. Disponível em: https://teses.usp.br/teses/disponiveis/55/55134/tde-06042016-143503/. Acesso em: 20 abr. 2026.
APA
Oliveira, L. S. (2015). Classificação de fluxos de dados não estacionários com algoritmos incrementais baseados no modelo de misturas gaussianas (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/55/55134/tde-06042016-143503/
NLM
Oliveira LS. Classificação de fluxos de dados não estacionários com algoritmos incrementais baseados no modelo de misturas gaussianas [Internet]. 2015 ;[citado 2026 abr. 20 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-06042016-143503/
Vancouver
Oliveira LS. Classificação de fluxos de dados não estacionários com algoritmos incrementais baseados no modelo de misturas gaussianas [Internet]. 2015 ;[citado 2026 abr. 20 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-06042016-143503/

USP Schools

ReP

Filtros

Departament

Authors

USP affiliated authors

Date published

Subjects

Source title

Funding Agencies

Indexado em

Non normalized affiliation

Countries of institutions of collaboration